本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.
这个实验的要求写的还是挺清楚的（与上学期相比），本博客采用python实现，科学计算库采用 numpy ，作图采用 matplotlib.pyplot ，为了简便在文件开头import如下：
import numpy as np import matplotlib.pyplot as plt
本实验用到的numpy函数
一般把 numpy 简写为 np （import numpy as np）。下面简单介绍一下实验中用到的numpy函数。下面的代码均需要在最前面加上 import numpy as np 。
np.array
该函数返回一个 numpy.ndarray 对象，可以理解为一个多维数组（本实验中仅会用到一维（可以当作列向量）和二维（矩阵））。下面用小写的 x \pmb x 表示列向量，大写的 A A A 表示矩阵。 A.T 表示 A A A 的转置。对 ndarray 的运算一般都是逐元素的。
>>> x = np.array([1,2,3])
>>> x
array([1, 2, 3])
>>> A = np.array([[2,3,4],[5,6,7]])
>>> A
array([[2, 3, 4],
[5, 6, 7]])
>>> A.T # 转置
array([[2, 5],
[3, 6],
[4, 7]])
>>> A + 1
array([[3, 4, 5],
[6, 7, 8]])
>>> A * 2
array([[ 4, 6, 8],
[10, 12, 14]])
np.random
np.random 模块中包含几个生成随机数的函数。在本实验中用随机初始化参数（梯度下降法），给数据添加噪声。
>>> np.random.rand(3, 3) # 生成3 * 3 随机矩阵，每个元素服从[0,1)均匀分布
array([[8.18713933e-01, 5.46592778e-01, 1.36380542e-01],
[9.85514865e-01, 7.07323389e-01, 2.51858374e-04],
[3.14683662e-01, 4.74980699e-02, 4.39658301e-01]])
>>> np.random.rand(1) # 生成单个随机数
array([0.70944563])
>>> np.random.rand(5) # 长为5的一维随机数组
array([0.03911319, 0.67572368, 0.98884287, 0.12501456, 0.39870096])
>>> np.random.randn(3, 3) # 同上，但每个元素服从N(0, 1)（标准正态）
数学函数
本实验中只用到了 np.sin 。这些数学函数是对 np.ndarray 逐元素操作的：
>>> x = np.array([0, 3.1415, 3.1415 / 2]) # 0, pi, pi / 2 >>> np.round(np.sin(x)) # 先求sin再四舍五入: 0, 0, 1 array([0., 0., 1.])
此外，还有 np.log 、 np.exp 等与python的 math 库相似的函数（只不过是对多维数组进行逐元素运算）。
返回两个矩阵的乘积。与线性代数中的矩阵乘法一致。要求第一个矩阵的列等于第二个矩阵的行数。特殊地，当其中一个为一维数组时，形状会自动适配为 n × 1 n\times1 1 或 1 × n . 1\times n. n .
>>> x = np.array([1,2,3]) # 一维数组 >>> A = np.array([[1,1,1],[2,2,2],[3,3,3]]) # 3 * 3矩阵 >>> np.dot(x,A) array([14, 14, 14]) >>> np.dot(A,x) array([ 6, 12, 18]) >>> x_2D = np.array([[1,2,3]]) # 这是一个二维数组（1 * 3矩阵） >>> np.dot(x_2D, A) # 可以运算 array([[14, 14, 14]]) >>> np.dot(A, x_2D) # 行列不匹配 Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<__array_function__ internals>", line 5, in dot ValueError: shapes (3,3) and (1,3) not aligned: 3 (dim 1) != 1 (dim 0)
np.eye(n) 返回一个n阶单位阵。
>>> A = np.eye(3)
>>> A
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
线性代数相关
np.linalg 是与线性代数有关的库。
>>> A
array([[1, 0, 0],
[0, 2, 0],
[0, 0, 3]])
>>> np.linalg.inv(A) # 求逆（本实验不考虑逆不存在）
array([[1. , 0. , 0. ],
[0. , 0.5 , 0. ],
[0. , 0. , 0.33333333]])
>>> x = np.array([1,2,3])
>>> np.linalg.norm(x) # 返回向量x的模长（平方求和开根号）
3.7416573867739413
>>> np.linalg.eigvals(A) # A的特征值
array([1., 2., 3.])
生成数据
生成数据要求加入噪声（误差）。上课讲的时候举的例子就是正弦函数，我们这里也采用标准的正弦函数 y = sin x . y=\sin x. sin x . （加入噪声后即为 y = sin x + ϵ , y=\sin x+\epsilon, sin x + ϵ , 其中 ϵ ∼ N ( 0 , σ 2 ) \epsilon\sim N(0, \sigma^2) N ( 0 , σ 2 ) ,由于 sin x \sin x sin x 的最大值为 1 1 1 ,我们把误差的方差设小一点，这里设成 1 25 \frac{1}{25} ）。
'''
返回数据集，形如[[x_1, y_1], [x_2, y_2], ..., [x_N, y_N]]
保证 bound[0] <= x_i < bound[1].
- N 数据集大小, 默认为 100
- bound 产生数据横坐标的上下界, 应满足 bound[0] < bound[1], 默认为(0, 10)
'''
def get_dataset(N = 100, bound = (0, 10)):
l, r = bound
# np.random.rand 产生[0, 1)的均匀分布，再根据l, r缩放平移
# 这里sort是为了画图时不会乱，可以去掉sorted试一试
x = sorted(np.random.rand(N) * (r - l) + l)
# np.random.randn 产生N(0,1)，除以5会变为N(0, 1 / 25)
y = np.sin(x) + np.random.randn(N) / 5
return np.array([x,y]).T
产生的数据集每行为一个平面上的点。产生的数据看起来像这样：
隐隐约约能看出来是个正弦函数的形状。产生上面图像的代码如下：
dataset = get_dataset(bound = (-3, 3))
# 绘制数据集散点图
for [x, y] in dataset:
plt.scatter(x, y, color = 'red')
plt.show()
最小二乘法拟合
下面我们分别用四种方法（最小二乘，正则项/岭回归，梯度下降法，共轭梯度法）以用多项式拟合上述干扰过的正弦曲线。
解析解推导
简单回忆一下最小二乘法的原理：现在我们想用一个 m m m 次多项式
f ( x ) = w 0 + w 1 x + w 2 x 2 + . . . + w m x m f(x)=w_0+w_1x+w_2x^2+…+w_mx^m f ( x ) = w 1 x + w 2 x 2 + w m x m
来近似真实函数 y = sin x . y=\sin x. sin x . 我们的目标是最小化数据集 ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y N ) (x_1,y_1),(x_2,y_2),…,(x_N,y_N) ( x 1 , y 1 ) , ( x 2 , y 2 ) , … , ( x N , y N ) 上的损失 L L L （loss），这里损失函数采用平方误差：
L = ∑ i = 1 N [ y i − f ( x i ) ] 2 L=\sum\limits_{i=1}^N[y_i-f(x_i)]^2 i = 1 ∑ N [ y i − f ( x i ) ] 2
为了求得使均方误差最小（因此最贴合目标曲线）的参数 w 0 , w 1 , . . . , w m , w_0,w_1,…,w_m, w 0 , w 1 , … , w m , 我们需要分别求损失 L L L 关于 w 0 , w 1 , . . . , w m w_0,w_1,…,w_m w 0 , w 1 , … , w m 的导数。为了方便，我们采用线性代数的记法：
X = ( 1 x 1 x 1 2 ⋯ x 1 m 1 x 2 x 2 2 ⋯ x 2 m ⋮ ⋮ 1 x N x N 2 ⋯ x N m ) N × ( m + 1 ) , Y = ( y 1 y 2 ⋮ y N ) N × 1 , W = ( w 0 w 1 ⋮ w m ) ( m + 1 ) × 1 . X=\begin{pmatrix}1 & x_1 & x_1^2 & \cdots & x_1^m\\ 1 & x_2 & x_2^2 & \cdots & x_2^m\\ \vdots & & & &\vdots\\ 1 & x_N & x_N^2 & \cdots & x_N^m\\\end{pmatrix}_{N\times(m+1)},Y=\begin{pmatrix}y_1 \\ y_2 \\ \vdots \\y_N\end{pmatrix}_{N\times1},W=\begin{pmatrix}w_0 \\ w_1 \\ \vdots \\w_m\end{pmatrix}_{(m+1)\times1}. ⎝ ⎛ 1 1 ⋮ 1 x 1 x 2 x N x 1 2 x 2 2 x N 2 ⋯ ⋯ ⋯ x 1 m x 2 m ⋮ x N m ⎠ ⎞ N × ( m + 1 ) , Y = ⎝ ⎛ y 1 y 2 ⋮ y N ⎠ ⎞ N × 1 , W = ⎝ ⎛ w 0 w 1 ⋮ w m ⎠ ⎞ ( m + 1 ) × 1 .
在这种表示方法下，有
( f ( x 1 ) f ( x 2 ) ⋮ f ( x N ) ) = X W . \begin{pmatrix}f(x_1)\\ f(x_2) \\ \vdots \\ f(x_N)\end{pmatrix}= XW. ⎝ ⎛ f ( x 1 ) f ( x 2 ) ⋮ f ( x N ) ⎠ ⎞ = X W .
如果有疑问可以自己拿矩阵乘法验证一下。继续，误差项之和可以表示为
( f ( x 1 ) − y 1 f ( x 2 ) − y 2 ⋮ f ( x N ) − y N ) = X W − Y . \begin{pmatrix}f(x_1)-y_1 \\ f(x_2)-y_2 \\ \vdots \\ f(x_N)-y_N\end{pmatrix}=XW-Y. ⎝ ⎛ f ( x 1 ) − y 1 f ( x 2 ) − y 2 ⋮ f ( x N ) − y N ⎠ ⎞ = X W − Y .
因此，损失函数
L = ( X W − Y ) T ( X W − Y ) . L=(XW-Y)^T(XW-Y). ( X W − Y ) T ( X W − Y ) .
（为了求得向量 x = ( x 1 , x 2 , . . . , x N ) T \pmb x=(x_1,x_2,…,x_N)^T ( x 1 , x 2 , … , x N ) T 各分量的平方和，可以对 x \pmb x 作内积，即 x T x . \pmb x^T \pmb x. T . ）
为了求得使 L L L 最小的 W W W (这个 W W W 是一个列向量)，我们需要对 L L L 求偏导数，并令其为 0 : 0: 0 :
∂ L ∂ W = ∂ ∂ W [ ( X W − Y ) T ( X W − Y ) ] = ∂ ∂ W [ ( W T X T − Y T ) ( X W − Y ) ] = ∂ ∂ W ( W T X T X W − W T X T Y − Y T X W + Y T Y ) = ∂ ∂ W ( W T X T X W − 2 Y T X W + Y T Y ) ( 容易验证 , W T X T Y = Y T X W , 因而可以将其合并 ) = 2 X T X W − 2 X T Y \begin{aligned}\frac{\partial L}{\partial W}&=\frac{\partial}{\partial W}[(XW-Y)^T(XW-Y)]\\ &=\frac{\partial}{\partial W}[(W^TX^T-Y^T)(XW-Y)] \\ &=\frac{\partial}{\partial W}(W^TX^TXW-W^TX^TY-Y^TXW+Y^TY)\\ &=\frac{\partial}{\partial W}(W^TX^TXW-2Y^TXW+Y^TY)(容易验证,W^TX^TY=Y^TXW,因而可以将其合并)\\ &=2X^TXW-2X^TY\end{aligned} = [( X W − Y ) T ( X W − Y )] = [( W T X T − Y T ) ( X W − Y )] = ( W T X T X W − W T X T Y − Y T X W + Y T Y ) = ( W T X T X W − 2 Y T X W + Y T Y ) ( 容易验证 , W T X T Y = Y T X W , 因而可以将其合并 ) = 2 X T X W − 2 X T Y
说明：
（1）从第3行到第4行，由于 W T X T Y W^TX^TY W T X T Y 和 Y T X W Y^TXW Y T X W 都是数（或者说 1 × 1 1\times1 1 矩阵），二者互为转置，因此值相同，可以合并成一项。
（2）从第4行到第5行的矩阵求导，第一项 ∂ ∂ W ( W T ( X T X ) W ) \frac{\partial}{\partial W}(W^T(X^TX)W) ( W T ( X T X ) W ) 是一个关于 W W W 的二次型，其导数就是 2 X T X W . 2X^TXW. 2 X T X W .
（3）对于一次项
− 2 Y T X W -2Y^TXW − 2 Y T X W 的求导，如果按照实数域的求导应该得到
− 2 Y T X . -2Y^TX. − 2 Y T X .
但检查一下发现矩阵的型对不上，需要做一下转置，变为
− 2 X T Y . -2X^TY. − 2 X T Y .
矩阵求导线性代数课上也没有系统教过，只对这里出现的做一下说明。（
多了我也不会
令偏导数为0，得到
X T X W = Y T X , X^TXW=Y^TX, X T X W = Y T X ,
左乘 ( X T X ) − 1 (X^TX)^{-1} ( X T X ) − 1 （ X T X X^TX X T X 的可逆性见下方的补充说明），得到
W = ( X T X ) − 1 X T Y . W=(X^TX)^{-1}X^TY. ( X T X ) − 1 X T Y .
这就是我们想求的
W W W
的解析解，我们只需要调用函数算出这个值即可。
'''
最小二乘求出解析解, m 为多项式次数
最小二乘误差为 (XW - Y)^T*(XW - Y)
- dataset 数据集
- m 多项式次数, 默认为 5
'''
def fit(dataset, m = 5):
X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T
Y = dataset[:, 1]
return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X)), X.T), Y)
稍微解释一下代码：第一行即生成上面约定的 X X X 矩阵， dataset[:,0] 即数据集第0列 ( x 1 , x 2 , . . . , x N ) T (x_1,x_2,…,x_N)^T ( x 1 , x 2 , … , x N ) T ；第二行即 Y Y Y 矩阵；第三行返回上面的解析解。（如果不熟悉python语法或者 numpy 库还是挺不友好的）
简单地验证一下我们已经完成的函数的结果：为此，我们先写一个 draw 函数，用于把求得的 W W W 对应的多项式 f ( x ) f(x) f ( x ) 画到 pyplot 库的图像上去：
'''
绘制给定系数W的, 在数据集上的多项式函数图像
- dataset 数据集
- w 通过上面四种方法求得的系数
- color 绘制颜色, 默认为 red
- label 图像的标签
'''
def draw(dataset, w, color = 'red', label = ''):
X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T
Y = np.dot(X, w)
plt.plot(dataset[:, 0], Y, c = color, label = label)
然后是主函数：
if __name__ == '__main__':
dataset = get_dataset(bound = (-3, 3))
# 绘制数据集散点图
for [x, y] in dataset:
plt.scatter(x, y, color = 'red')
# 最小二乘
coef1 = fit(dataset)
draw(dataset, coef1, color = 'black', label = 'OLS')
# 绘制图像
plt.legend()
plt.show()
可以看到5次多项式拟合的效果还是比较不错的（数据集每次随机生成，所以跟第一幅图不一样）。
截至这部分全部的代码，后面同名函数不再给出说明：
import numpy as np
import matplotlib.pyplot as plt
'''
返回数据集，形如[[x_1, y_1], [x_2, y_2], ..., [x_N, y_N]]
保证 bound[0] <= x_i < bound[1].
- N 数据集大小, 默认为 100
- bound 产生数据横坐标的上下界, 应满足 bound[0] < bound[1]
'''
def get_dataset(N = 100, bound = (0, 10)):
l, r = bound
x = sorted(np.random.rand(N) * (r - l) + l)
y = np.sin(x) + np.random.randn(N) / 5
return np.array([x,y]).T
'''
最小二乘求出解析解, m 为多项式次数
最小二乘误差为 (XW - Y)^T*(XW - Y)
- dataset 数据集
- m 多项式次数, 默认为 5
'''
def fit(dataset, m = 5):
X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T
Y = dataset[:, 1]
return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X)), X.T), Y)
'''
绘制给定系数W的, 在数据集上的多项式函数图像
- dataset 数据集
- w 通过上面四种方法求得的系数
- color 绘制颜色, 默认为 red
- label 图像的标签
'''
def draw(dataset, w, color = 'red', label = ''):
X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T
Y = np.dot(X, w)
plt.plot(dataset[:, 0], Y, c = color, label = label)
if __name__ == '__main__':
dataset = get_dataset(bound = (-3, 3))
# 绘制数据集散点图
for [x, y] in dataset:
plt.scatter(x, y, color = 'red')
coef1 = fit(dataset)
draw(dataset, coef1, color = 'black', label = 'OLS')
plt.legend()
plt.show()
补充说明
上面有一块不太严谨：对于一个矩阵 X X X 而言， X T X X^TX X T X 不一定可逆。然而在本实验中，可以证明其为可逆矩阵。由于这门课不是线性代数课，我们就不费太多篇幅介绍这个了，仅作简单提示：
（1） X X X 是一个 N × ( m + 1 ) N\times(m+1) ( m + 1 ) 的矩阵。其中数据数 N N N 远大于多项式次数 m m m ，有 N > m + 1 ; N>m+1;
（2）为了说明 X T X X^TX X T X 可逆，需要说明 ( X T X ) ( m + 1 ) × ( m + 1 ) (X^TX)_{(m+1)\times(m+1)} ( X T X ) ( m + 1 ) × ( m + 1 ) 满秩，即 R ( X T X ) = m + 1 ; R(X^TX)=m+1; R ( X T X ) = 1 ;
（3）在线性代数中，我们证明过 R ( X ) = R ( X T ) = R ( X T X ) = R ( X X T ) ; R(X)=R(X^T)=R(X^TX)=R(XX^T); R ( X ) = R ( X T ) = R ( X T X ) = R ( X X T ) ;
（4）
X X X 是一个
范德蒙矩阵
，由其性质可知其秩等于
m i n { N , m + 1 } = m + 1. min\{N,m+1\}=m+1. min { N , m + 1 } = 1.
添加正则项（岭回归）
最小二乘法容易造成过拟合。为了说明这种缺陷，我们用所生成数据集的前50个点进行训练（这样抽样不够均匀，这里只是为了说明过拟合），得出参数，再画出整个函数图像，查看拟合效果：
if __name__ == '__main__':
dataset = get_dataset(bound = (-3, 3))
# 绘制数据集散点图
for [x, y] in dataset:
plt.scatter(x, y, color = 'red')
# 取前50个点进行训练
coef1 = fit(dataset[:50], m = 3)
# 再画出整个数据集上的图像
draw(dataset, coef1, color = 'black', label = 'OLS')
过拟合在 m m m 较大时尤为严重（上面图像为 m = 3 m=3 3 时）。当多项式次数升高时，为了尽可能贴近所给数据集，计算出来的系数的数量级将会越来越大，在未见样本上的表现也就越差。如上图，可以看到拟合在前50个点（大约在横坐标 [ − 3 , 0 ] [-3,0] [ − 3 , 0 ] 处）表现很好；而在测试集上表现就很差（ [ 0 , 3 ] [0,3] [ 0 , 3 ] 处）。为了防止过拟合，可以引入正则化项。此时损失函数 L L L 变为
L = ( X W − Y ) T ( X W − Y ) + λ ∣ ∣ W ∣ ∣ 2 2 L=(XW-Y)^T(XW-Y)+\lambda||W||_2^2 ( X W − Y ) T ( X W − Y ) + λ ∣∣ W ∣ ∣ 2 2
其中
∣ ∣ ⋅ ∣ ∣ 2 2 ||\cdot||_2^2 ∣ ∣ 2 2 表示
L 2 L_2 L 2 范数的平方，在这里即
W T W ; λ W^TW;\lambda W T W ; λ 为正则化系数。该式子也称岭回归（Ridge Regression）。它的思想是兼顾损失函数与所得参数
W W W 的模长（在
L 2 L_2 L 2
范数时），防止
W W W
内的参数过大。
举个例子(数是随便编的)：当正则化系数为 1 1 1 ，若方案1在数据集上的平方误差为 0.5 , 0.5, 0.5 , 此时 W = ( 100 , − 200 , 300 , 150 ) T W=(100,-200,300,150)^T ( 100 , − 200 , 300 , 150 ) T ；方案2在数据集上的平方误差为 10 , 10, 10 , 此时 W = ( 1 , − 3 , 2 , 1 ) W=(1,-3,2,1) ( 1 , − 3 , 2 , 1 ) ,那我们选择方案2的 W . W. W . 正则化系数 λ \lambda λ 刻画了这种对于 W W W 模长的重视程度： λ \lambda λ 越大，说明 W W W 的模长升高带来的惩罚也就越大。当 λ = 0 , \lambda=0, 0 , 岭回归即变为普通的最小二乘法。与岭回归相似的还有LASSO，就是将正则化项换为 L 1 L_1 L 1 范数。
重复上面的推导，我们可以得出解析解为
W = ( X T X + λ E m + 1 ) − 1 X T Y . W=(X^TX+\lambda E_{m+1})^{-1}X^TY. ( X T X + λ E m + 1 ) − 1 X T Y .
其中
E m + 1 E_{m+1} E m + 1 为
m + 1 m+1 1
阶单位阵。容易得到
( X T X + λ E m + 1 ) (X^TX+\lambda E_{m+1}) ( X T X + λ E m + 1 )
也是可逆的。
该部分代码如下。
'''
岭回归求解析解, m 为多项式次数, l 为 lambda 即正则项系数
岭回归误差为 (XW - Y)^T*(XW - Y) + λ(W^T)*W
- dataset 数据集
- m 多项式次数, 默认为 5
- l 正则化参数 lambda, 默认为 0.5
'''
def ridge_regression(dataset, m = 5, l = 0.5):
X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T
Y = dataset[:, 1]
return np.dot(np.dot(np.linalg.inv(np.dot(X.T, X) + l * np.eye(m + 1)), X.T), Y)
两种方法的对比如下：
对比可以看出，岭回归显着减轻了过拟合（此时为
m = 3 , λ = 0.3 m=3,\lambda=0.3 3 , λ = 0.3
）。
梯度下降法
梯度下降法并不是求解该问题的最好方法，很容易就无法收敛。先简单介绍梯度下降法的基本思想：若我们想求取复杂函数 f ( x ) f(x) f ( x ) 的最小值（最值点）（这个 x x x 可能是向量等），即
x m i n = arg min x f ( x ) x_{min}=\argmin_{x}f(x) x arg min f ( x )
梯度下降法重复如下操作：
（0）（随机）初始化 x 0 ( t = 0 ) x_0(t=0) x 0 ( t = 0 ) ；
（1）设 f ( x ) f(x) f ( x ) 在 x t x_t x t 处的梯度（当 x x x 为一维时，即导数） ∇ f ( x t )
abla f(x_t) ∇ f ( x t ) ；
（2） x t + 1 = x t − η ∇ f ( x t ) x_{t+1}=x_t-\eta
abla f(x_t) η ∇ f ( x t )
（3）若
x t + 1 x_{t+1} x t + 1
与
x t x_t x t
相差不大（达到预先设定的范围）或迭代次数达到预设上限，停止算法；否则重复（1）（2）.
其中 η \eta η 为学习率，它决定了梯度下降的步长。
下面是一个用梯度下降法求取
y = x 2 y=x^2 x 2
的最小值点的示例程序：
import numpy as np
import matplotlib.pyplot as plt
def f(x):
return x ** 2
def draw():
x = np.linspace(-3, 3)
y = f(x)
plt.plot(x, y, c = 'red')
cnt = 0
# 初始化 x
x = np.random.rand(1) * 3
learning_rate = 0.05
while True:
grad = 2 * x
# -----------作图用，非算法部分-----------
plt.scatter(x, f(x), c = 'black')
plt.text(x + 0.3, f(x) + 0.3, str(cnt))
# -------------------------------------
new_x = x - grad * learning_rate
# 判断收敛
if abs(new_x - x) < 1e-3:
break
x = new_x
cnt += 1
draw()
plt.show()
上图标明了 x x x 随着迭代的演进，可以看到 x x x 不断沿着正半轴向零点靠近。需要注意的是，学习率不能过大（虽然在上面的程序中，学习率设置得有点小了），需要手动进行尝试调整，否则容易想象， x x x 在正负半轴来回震荡，难以收敛。
在最小二乘法中，我们需要优化的函数是损失函数
L = ( X W − Y ) T ( X W − Y ) . L=(XW-Y)^T(XW-Y). ( X W − Y ) T ( X W − Y ) .
下面我们用梯度下降法求解该问题。在上面的推导中，
∂ L ∂ W = 2 X T X W − 2 X T Y , \begin{aligned}\frac{\partial L}{\partial W}=2X^TXW-2X^TY\end{aligned}, = 2 X T X W − 2 X T Y ,
于是我们每次在迭代中对
W W W 减去该梯度，直到参数
W W W
收敛。不过经过实验，平方误差会使得梯度过大，过程无法收敛，因此采用均方误差(MSE)替换之，就是给原来的式子除以
N N N
:
'''
梯度下降法(Gradient Descent, GD)求优化解, m 为多项式次数, max_iteration 为最大迭代次数, lr 为学习率
注: 此时拟合次数不宜太高(m <= 3), 且数据集的数据范围不能太大(这里设置为(-3, 3)), 否则很难收敛
- dataset 数据集
- m 多项式次数, 默认为 3(太高会溢出, 无法收敛)
- max_iteration 最大迭代次数, 默认为 1000
- lr 梯度下降的学习率, 默认为 0.01
'''
def GD(dataset, m = 3, max_iteration = 1000, lr = 0.01):
# 初始化参数
w = np.random.rand(m + 1)
N = len(dataset)
X = np.array([dataset[:, 0] ** i for i in range(len(w))]).T
Y = dataset[:, 1]
try:
for i in range(max_iteration):
pred_Y = np.dot(X, w)
# 均方误差（省略系数2）
grad = np.dot(X.T, pred_Y - Y) / N
w -= lr * grad
'''
为了能捕获这个溢出的 Warning，需要import warnings并在主程序中加上：
warnings.simplefilter('error')
'''
except RuntimeWarning:
print('梯度下降法溢出, 无法收敛')
return w
这时如果 m m m 设置得稍微大一点（比如4），在迭代过程中梯度就会溢出，使参数无法收敛。在收敛时，拟合效果还算可以：
共轭梯度法
共轭梯度法（Conjugate Gradients）可以用来求解形如 A x = b A\pmb x=\pmb b 的方程组，或最小化二次型 f ( x ) = 1 2 x T A x − b T x + c . f(\pmb x)=\frac12\pmb x^TA\pmb x-\pmb b^T \pmb x+c. f ( ) = T A − c . （可以证明对于正定的 A A A ,二者等价）其中 A A A 为 正定 矩阵。在本问题中，我们要求解 X T X W = Y T X , X^TXW=Y^TX, X T X W = Y T X ,
就有 A ( m + 1 ) × ( m + 1 ) = X T X , b = Y T . A_{(m+1)\times(m+1)}=X^TX,\pmb b=Y^T. A ( m + 1 ) × ( m + 1 ) = X T X , = Y T . 若我们想加一个正则项，就变成求解
( X T X + λ E ) W = Y T X . (X^TX+\lambda E)W=Y^TX. ( X T X + λ E ) W = Y T X .
首先说明一点： X T X X^TX X T X 不一定是正定的但一定是半正定的（证明 见此 ）。但是在实验中我们基本不用担心这个问题，因为 X T X X^TX X T X 有极大可能是正定的，我们只在代码中加一个断言（assert），不多关注这个条件。
共轭梯度法的思想来龙去脉和证明过程比较长，可以参考这个系列，这里只给出算法步骤（在上面链接的第三篇开头）：
（0）初始化 x ( 0 ) ; x_{(0)}; x ( 0 ) ;
（1）初始化 d ( 0 ) = r ( 0 ) = b − A x ( 0 ) ; d_{(0)}=r_{(0)}=b-Ax_{(0)}; A x ( 0 ) ;
（2）令 α ( i ) = r ( i ) T r ( i ) d ( i ) T A d ( i ) ; \alpha_{(i)}=\frac{r_{(i)}^Tr_{(i)}}{d_{(i)}^TAd_{(i)}}; d ( i ) T A d ( i ) r ( i ) T r ( i ) ;
（3）迭代 x ( i + 1 ) = x ( i ) + α ( i ) d ( i ) ; x_{(i+1)}=x_{(i)}+\alpha_{(i)}d_{(i)}; x ( i + 1 ) = α ( i ) d ( i ) ;
（4）令 r ( i + 1 ) = r ( i ) − α ( i ) A d ( i ) ; r_{(i+1)}=r_{(i)}-\alpha_{(i)}Ad_{(i)}; r ( i + 1 ) = α ( i ) A d ( i ) ;
（5）令 β ( i + 1 ) = r ( i + 1 ) T r ( i + 1 ) r ( i ) T r ( i ) , d ( i + 1 ) = r ( i + 1 ) + β ( i + 1 ) d ( i ) . \beta_{(i+1)}=\frac{r_{(i+1)}^Tr_{(i+1)}}{r_{(i)}^Tr_{(i)}},d_{(i+1)}=r_{(i+1)}+\beta_{(i+1)}d_{(i)}. β ( i + 1 ) = r ( i ) T r ( i ) r ( i + 1 ) T r ( i + 1 ) , d ( i + 1 ) = r ( i + 1 ) + β ( i + 1 ) d ( i ) .
（6）当 ∣ ∣ r ( i ) ∣ ∣ ∣ ∣ r ( 0 ) ∣ ∣ < ϵ \frac{||r_{(i)}||}{||r_{(0)}||}<\epsilon ∣∣ r ( 0 ) ∣∣ ∣∣ r ( i ) ∣∣ < ϵ 时，停止算法；否则继续从（2）开始迭代。 ϵ \epsilon ϵ 为预先设定好的很小的值，我这里取的是 1 0 − 5 . 10^{-5}. 1 0 − 5 .
下面我们按照这个过程实现代码：
'''
共轭梯度法(Conjugate Gradients, CG)求优化解, m 为多项式次数
- dataset 数据集
- m 多项式次数, 默认为 5
- regularize 正则化参数, 若为 0 则不进行正则化
'''
def CG(dataset, m = 5, regularize = 0):
X = np.array([dataset[:, 0] ** i for i in range(m + 1)]).T
A = np.dot(X.T, X) + regularize * np.eye(m + 1)
assert np.all(np.linalg.eigvals(A) > 0), '矩阵不满足正定!'
b = np.dot(X.T, dataset[:, 1])
w = np.random.rand(m + 1)
epsilon = 1e-5
# 初始化参数
d = r = b - np.dot(A, w)
r0 = r
while True:
alpha = np.dot(r.T, r) / np.dot(np.dot(d, A), d)
w += alpha * d
new_r = r - alpha * np.dot(A, d)
beta = np.dot(new_r.T, new_r) / np.dot(r.T, r)
d = beta * d + new_r
r = new_r
# 基本收敛，停止迭代
if np.linalg.norm(r) / np.linalg.norm(r0) < epsilon:
break
return w
相比于朴素的梯度下降法，共轭梯度法收敛迅速且稳定。不过在多项式次数增加时拟合效果会变差：在 m = 7 m=7 7 时，其与最小二乘法对比如下：
此时，仍然可以通过正则项部分缓解（图为 m = 7 , λ = 1 m=7,\lambda=1 7 , λ = 1 ）：
最后附上四种方法的拟合图像（基本都一样）和主函数，可以根据实验要求调整参数：
if __name__ == '__main__':
warnings.simplefilter('error')
dataset = get_dataset(bound = (-3, 3))
# 绘制数据集散点图
for [x, y] in dataset:
plt.scatter(x, y, color = 'red')
# 最小二乘法
coef1 = fit(dataset)
# 岭回归
coef2 = ridge_regression(dataset)
# 梯度下降法
coef3 = GD(dataset, m = 3)
# 共轭梯度法
coef4 = CG(dataset)
# 绘制出四种方法的曲线
draw(dataset, coef1, color = 'red', label = 'OLS')
draw(dataset, coef2, color = 'black', label = 'Ridge')
draw(dataset, coef3, color = 'purple', label = 'GD')
draw(dataset, coef4, color = 'green', label = 'CG(lambda:0)')
# 绘制标签, 显示图像
plt.legend()
plt.show()
Be First to Comment